tensorflow的loss损失函数tf.nn.l2_loss

Loss

损失运算 用于测量两个张量之间或张量与0之间的误差。 这些可以用于测量回归任务中的网络的精确度，或用于正则化的目的（权重衰减）。 

L2正则化（regularization）

loss0表示原始的损失函数，后面的部分为L2正则化，通过加入一个正则项来防止过拟合（data overfitting）

                                                                                

因此tf.nn.l2_loss可以作为一个正则项

tf.nn.l2_loss(t, name=None)

tf.nn.l2_loss形如1/2Σw2,一般用于优化的目标函数中的正则项，防止参数太多复杂容易过拟合。

解释：这个函数的作用是利用 L2 范数来计算张量的误差值，但是没有开方并且只取 L2 范数的值的一半，具体如下：

output = sum(t ** 2) / 2

输入参数：

• t: 一个Tensor。数据类型必须是一下之一：float32，float64，int64，int32，uint8，int16，int8，complex64，qint8，quint8，qint32。虽然一般情况下，数据维度是二维的。但是，数据维度可以取任意维度。
• name: 为这个操作取个名字。

输出参数：

一个 Tensor ，数据类型和 t 相同，是一个标量。

例如：
import tensorflow as tf

a=tf.constant([1,2,3],dtype=tf.float32)
b=tf.constant([[1,1],[2,2],[3,3]],dtype=tf.float32)

with tf.Session() as sess:
    print('a:')
    print(sess.run(tf.nn.l2_loss(a)))
    print('b:')
    print(sess.run(tf.nn.l2_loss(b)))
    sess.close()
那么打印出来为：

a:
7.0
b:
14.0
计算的是每一个元素的平方之后相加最后除以2